基于访问特征负载预测的负载均衡算法

为了提高web集群负载均衡的效果，结合web服务用户访问静动态内容的特征，提出了一种基于访问特征负载预测的负载均衡算法。首先建立网络带宽负载和CPU、内存综合性能负载的小波包一支持向量机回归混合预测模型；然后根据用户请求的类型，结合负载预测的结果对任务进行分配和调度。仿真结果表明：与传统的基于负载预测的负载均衡算法相比，基于访问特征负载预测的负载均衡算法能达到更好的负载均衡效果，从而有效提高web集群的整体性能。     

基于动态模糊综合评判的反后坐装置故障预测模型

针对反后坐装置故障预测中的诸多模糊信息和模糊因素,基于传统的模糊综合评判方法,提出将动态模糊综合评判方法用于故障预测,给出了动态权重系数及模糊关系矩阵的确定方法,以反后坐装置为例对动态模糊综合评判方法予以说明。并将模糊综合评判与产生式规则融合,利用复合推理机制提高预测结果的准确性。     

基于Linux虚拟服务器的负载均衡技术探讨

Internet业务量的激增和网络应用特殊化都使得负载均衡成为迫切需求。如何实现网络服务器负载均衡是一个急待解决的新课题。而LVS是一个具有良好的扩展性、高可靠性、高性能、高可用性的基于Linux系统的服务器集群,利用它可以较好解决这一问题。针对Linux虚拟服务器集群的负载均衡技术,探讨了其体系结构、工作方式、负载均衡算法,并以一简单的应用实例介绍了其具体实现。这样可以在很大程度上减轻网络的负载,提高网络的效率,是未来网络服务器技术的主要发展方向之一。     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

动态路径分裂的虚拟网络重构算法

为了解决现有故障虚拟网络重构算法存在的故障虚拟链路恢复率较低、负载不均的问题,提出一种动态路径分裂的虚拟网络重构算法。该算法定义了重构排序函数以确定故障虚拟网络的重构顺序;同时,将动态路径分裂方法引入故障虚拟链路的恢复,以提高故障虚拟链路的恢复率;最后,结合就近原则与负载均衡进行故障虚拟节点的恢复,进一步优化映射的结果。仿真结果表明,所提算法提高了虚拟网络的请求接受率与成功运行率。     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

用于目标跟踪无线传感器网络的动态分簇算法

针对跟踪精度和网络能耗的问题,提出了一种用于目标跟踪无线传感器网络的基于预测的动态分簇算法.把目标运动过程看作是高斯马尔可夫过程,根据目标历史轨迹,估计下一时刻位置坐标和运动速度,然后基于估计结果优化选择分簇的簇头和簇成员,形成一个动态分簇来实现目标跟踪.仿真结果表明:该算法使目标跟踪有较好的跟踪精度,能有效均衡网络能耗,延长网络寿命.     

基于集群技术的实时测控数据处理系统设计

为使实时测控系统满足未来多元化任务实时数据处理需求,设计了一个基于集群技术的实时测控数据处理系统。为解决集群系统的强实时性和高可用性问题,结合实时数据处理系统的特点,研究了实时集群体系结构、粒度划分和负载均衡方法。采用冗余部件、异常处理和向前恢复机制,消除了系统中的单一故障点;实现任务级粒度划分,优化了控制体系结构;采用基于任务分配表的动态负载均衡和人机交互管理相结合的方法,有效地解决了任务分配和故障迁移的实时性问题,提高了系统的可用性。     

一种航天侦察任务-资源匹配的负载均衡方法

当前航天侦察任务预处理方法一般仅从任务需求的角度考虑资源分配问题,容易导致负载不均衡,对此提出了一种综合考虑任务需求与资源负载的任务-资源匹配方法.分析了资源负载均衡需要考虑的任务要素以及相应的描述方法,提出用任务执行概率度量卫星资源负载状况,基于任务流模型给出了单任务执行概率的估算公式,并给出了一种简易的多任务执行概...     

基于流量均衡和跨层技术的星群路由算法

针对分布式星群网络业务通信QoS不高的问题,提出了一种基于流量均衡和跨层技术的分布式星群网络路由算法(TACA)。该算法首先通过跨层技术将物理层、MAC层的相关信息搜集起来,作为判断链路负载状况的依据;然后对不同类型的业务进行分类,根据链路负载状况和业务QoS级别选择不同的路由层次,从而均衡流量以提高QoS。仿真表明,该路由算法在一定程度上降低了星群的呼叫阻塞率和切换阻塞率,平衡了网络的负载,提高了网络吞吐量。     

军事虚拟网络映射问题研究

将网络虚拟化技术与军事需求相结合,并针对军事虚拟网络映射问题展开研究。以底层网络的负载均衡和资源最小化为目标,同时考虑映射请求的优先级问题,提出了基于蝙蝠优化算法的虚拟网络映射算法OBA-VNE。算法通过将映射问题转化为二进制组合优化模型,利用蝙蝠优化算法寻求近似最优映射方案。仿真结果表明,算法相比经典方法获得了更好的性能。     

一种适于片上路由器的自适应缓冲调整策略

在典型的片上网络路由节点中,来自不同方向的报文被存储在相互独立的缓冲资源中。在网络负载不均衡的情况下,某些方向的报文将很快填满该方向的缓冲,而其他方向仍可能有较多的缓冲资源处于空闲状态,这样就导致了网络中的缓冲资源利用率不高,进而影响片上网络的整体性能。提出了一种自适应的片上缓冲调整策略,能够根据网络负载情况动态调节缓冲结构,有效地提高了缓冲资源的利用率。在90nmCMOS工艺下设计实现了多端口共享缓冲资源的片上网络路由器,实验结果表明,在负载不均衡的网络中,提出的路由器能够带来性能改进及功耗降低;在达到相同性能的情况下,新路由器的面积较典型路由器减少了20.3%,而其缓冲功耗节约了41%左右。     

模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

基于模糊贝叶斯网络的飞机易损性评估方法

针对在飞机进行易损性评估的过程中,因为目标数据的不精确而进行的模型简化,结合模糊数学理论和贝叶斯网络提出了基于模糊贝叶斯网络的飞机易损性评估方法。介绍了模糊理论和贝叶斯网络的基本知识,以及基于模糊贝叶斯网络的飞机易损性评估流程,并建立了基于某型飞机的模糊贝叶斯网络易损性评估模型,最后通过算例证明了该方法的合理性。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

多自治系统关联的级联失效模型建立和分析

为分析级联失效对互联网性能的影响,基于互联网由多自治系统关联的现实,模拟自治系统间的负载均衡,建立了多自治系统关联的级联失效模型。在此基础上定义了分别由强连接关系和弱连接关系组成的2种多自治系统关联网络,并分析了域间流量引起的级联失效对网络性能造成的影响。结果表明:存在引发级联失效的域间流量比例临界值;级联失效发生后,弱连接网络以吞吐量下降为主,强连接网络以负载增加为主。     

基于分层结构的卫星动态接入网络建模研究

在分析卫星动态网络特点的基础上，针对卫星网络模型构建和仿真需要，探讨了构建基于分层结构的卫星动态接入网的必要性。基于“骨干/接入”思想，提出了基于分层结构的卫星动态接入网络（HSDAN）。根据OPNET系统的仿真机制，构建HSDAN的网络模型、节点模型和进程模型。通过与简单分层卫星动态网络（SHSDN）的仿真分析比较，说明了在网络高负载条件下，基于“骨干/接入”网络模型思想的HSDAN更适合天基综合信息网的要求。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

基于一类弱连续T-模的模糊Hopfield神经网络研究

基于一般的弱连续T-模与取大（V）模糊算子的复合，建立了具有一般意义的动态模糊神经网络——模糊Hopfield神经网络，并系统分析了该动态系统的性能：在Hamming距离意义下证明了该网络是稳定的，而且其平衡点（吸引子）具有全局Lyapunov稳定性。最后，提供了一种有效的学习算法。